Streaming: Primanje odgovora u stvarnom vremenu
Na ovoj stranici
Streaming: Primanje odgovora u stvarnom vremenu
Streaming ti omogućuje primanje odgovora token po token umjesto čekanja da se cijelo generiranje završi. To nije samo estetski detalj sučelja: upravo to razlikuje chatbota koji djeluje tromo od onoga koji djeluje brzo, čak i kada su performanse poslužitelja identične.
Zašto koristiti streaming
Bez streaminga, korisnici ponekad gledaju u prazan ekran deset do trideset sekundi prije nego što se cijeli odgovor odjednom pojavi. Uz streaming, prve se riječi pojavljuju u manje od sekunde, a čitanje počinje dok generiranje još traje. Ukupno trajanje je isto; percepcija nije. Omogućivanje zahtijeva samo jedan parametar, stream=True, koji povratnu vrijednost funkcije create() pretvara u iterator događaja.
from openai import OpenAI
client = OpenAI()
# BEZ streaminga — čekaj sve
response = client.responses.create(
model="gpt-5.6-terra",
input="Write a paragraph about artificial intelligence."
)
print(response.output_text) # Pojavljuje se odjednom nakon čekanja
# SA streamingom — token po token
stream = client.responses.create(
model="gpt-5.6-terra",
input="Write a paragraph about artificial intelligence.",
stream=True
)
for event in stream:
if event.type == "response.output_text.delta":
print(event.delta, end="", flush=True)
print() # Novi red na kraju
Tipizirani događaji, a ne nediferencirani tok
Stream ne prenosi samo tekst. Obavještava te kada je odgovor stvoren, kada se dodaje svaka stavka izlaza, kada stižu fragmenti i kada se generiranje završava – konačni događaj uključuje metrike potrošnje. Filtriraš prema event.type kako bi znao s čim rukuješ. Ova struktura ti omogućuje, na primjer, prikazivanje indikatora učitavanja čim se okine response.created i zbrajanje tokena na kraju bez dodatnog API poziva.
stream = client.responses.create(
model="gpt-5.6-terra",
input="Hello!",
stream=True
)
for event in stream:
match event.type:
case "response.created":
print(f"[Response created] ID: {event.response.id}")
case "response.output_item.added":
print(f"[New output item]")
case "response.output_text.delta":
print(f"[Text] {event.delta}", end="")
case "response.output_text.done":
print(f"\n[Text complete]")
case "response.completed":
print(f"[Done] Tokens: {event.response.usage.total_tokens}")
# Izlaz:
# [Response created] ID: resp_abc123
# [New output item]
# [Text] Hello[Text] ! [Text] How[Text] can[Text] I...
# [Text complete]
# [Done] Tokens: 25
U stvarnoj aplikaciji gotovo ćeš uvijek htjeti raditi dvije stvari istovremeno: prikazivati fragmente i rekonstruirati puni tekst kako bi ga mogao arhivirati ili vratiti pozivatelju. Pravilo je jednostavno: akumuliraj dok iteriraš, jer se stream, jednom potrošen, ne može premotati unatrag.
def stream_and_collect(prompt: str) -> str:
"""Streamaj odgovor dok ga prikupljaš."""
stream = client.responses.create(
model="gpt-5.6-terra",
input=prompt,
stream=True
)
full_text = ""
for event in stream:
if event.type == "response.output_text.delta":
full_text += event.delta
print(event.delta, end="", flush=True)
print() # Novi red
return full_text
result = stream_and_collect("List 3 European capitals.")
print(f"\nCollected text ({len(result)} characters)")
Streaming i pozivanje funkcija
Pozivi funkcija također se streamaju, sa svojim vlastitim događajima: argumenti stižu u fragmentima putem response.function_call_arguments.delta, a response.function_call_arguments.done signalizira da je JSON kompletan. To ima važnu praktičnu posljedicu – nikada ne pokušavaj deserializirati argumente prije događaja done, inače ćeš imati samo odsječeni JSON.
stream = client.responses.create(
model="gpt-5.6-terra",
input="What time is it in Tokyo?",
tools=[{
"type": "function",
"name": "get_time",
"description": "Get the time in a city",
"parameters": {
"type": "object",
"properties": {
"city": {"type": "string"}
},
"required": ["city"]
}
}],
stream=True
)
for event in stream:
match event.type:
case "response.output_text.delta":
print(event.delta, end="")
case "response.function_call_arguments.delta":
print(f"[Args] {event.delta}", end="")
case "response.function_call_arguments.done":
print(f"\n[Function call complete]")
# Izlaz:
# [Args] {"city": "Tokyo"}
# [Function call complete]
Asinkroni slučaj
Čim tvoja aplikacija opslužuje više korisnika istovremeno, prebaci se na AsyncOpenAI: sinkroni klijent bi blokirao petlju događaja tijekom cijelog generiranja, uzrokujući čekanje tvojih ostalih zahtjeva. Sintaksa se razlikuje samo u dvije ključne riječi – await pri stvaranju i async for pri iteraciji.
from openai import AsyncOpenAI
import asyncio
async_client = AsyncOpenAI()
async def stream_async(prompt: str):
"""Asinkrono streamanje odgovora."""
stream = await async_client.responses.create(
model="gpt-5.6-terra",
input=prompt,
stream=True
)
async for event in stream:
if event.type == "response.output_text.delta":
print(event.delta, end="", flush=True)
print()
asyncio.run(stream_async("Tell a short joke."))
Na webu je streaming beskoristan ako se zaustavi na tvojem poslužitelju: moraš ga proširiti do preglednika. FastAPI to omogućuje pomoću StreamingResponse, napajanog generatorom koji prosljeđuje fragmente kako stižu.
from fastapi import FastAPI
from fastapi.responses import StreamingResponse
from openai import OpenAI
app = FastAPI()
client = OpenAI()
@app.get("/chat")
async def chat(question: str):
def generate():
stream = client.responses.create(
model="gpt-5.6-terra",
input=question,
stream=True
)
for event in stream:
if event.type == "response.output_text.delta":
yield event.delta
return StreamingResponse(generate(), media_type="text/plain")
Greške usred streama
Jedan detalj zaslužuje tvoju pozornost: kod streaminga greška se može dogoditi nakon što su fragmenti već prikazani. Korisnik tada vidi odgovor koji je započeo, ali je prekinut. Stoga omotaj samu iteraciju, a ne samo stvaranje streama, kako bi mogao uredno signalizirati prekid umjesto ostavljanja rečenice nedovršenom.
from openai import APIError
def stream_with_errors(prompt: str):
"""Streaming s robusnim rukovanjem greškama."""
try:
stream = client.responses.create(
model="gpt-5.6-terra",
input=prompt,
stream=True
)
for event in stream:
if event.type == "response.output_text.delta":
print(event.delta, end="", flush=True)
print()
except APIError as e:
print(f"\nAPI error during streaming: {e.message}")
except Exception as e:
print(f"\nUnexpected error: {e}")
stream_with_errors("Explain streaming in 2 sentences.")
Ključne točke
- Omogući streaming s
stream=Trueza iskustvo u stvarnom vremenu - Filtriraj događaje prema
event.typekako bi ispravno rukovao svakom vrstom podataka response.output_text.deltasadrži fragmente tekstaresponse.completedsignalizira kraj i uključuje metrike potrošnje- Koristi
AsyncOpenAIza streaming u asinkronim aplikacijama - Uvijek rukuj greškama, čak i u načinu streaminga